跳到正文

#推理

今日 6 条
10月6日周二
  1. Simon Willison34

    Qwen3.8 27B 纯文字加法能力基准测试

    本地部署的 Qwen3.8-27B 模型在禁用推理模式下,纯文字加法数值准确率仅为 23.57%,且随操作数位数增加性能从 97.04% 骤降至 6.44%。启用推理模式后,该模型在 169 个测试用例中正确回答 167 次。该实验旨在复现并对比 GPT-4o 此前在同类任务中的表现。

10月5日周一
  1. MIT Technology Review · AI19

    预测分析如何迈入智能体 AI 时代

    企业 AI 前沿已从预测转向自主决策,核心挑战在于让预测系统在不偏离业务意图的前提下独立行动。深度学习与生成式 AI 驱动的实时训练使系统能持续进化,并整合非结构化数据,推动企业从被动回顾转向务实前瞻。

10月4日周日
10月3日周六
  1. Hacker News · AI 热帖70

    Show HN:Aleph Alpha 的新主权 AI 模型 Kolibri

    Aleph Alpha 于 2026年10月3日发布开放权重德英双语 MoE 模型 Kolibri,总参数78.1B、每token激活3.46B。它采用 Apache 2.0 许可,权重在 Hugging Face,原生上下文262,144 tokens 可扩至1,048,576,支持四级推理与工具调用,评测中德语与长上下文表现优于同规模开放模型但编码较弱。

  2. The Decoder52

    DeepMind 研究人员提出“人工共生智能”作为奇点替代方案

    DeepMind 研究人员提出“人工共生智能”(Artificial Symbiotic Intelligence)作为单一超级智能奇点论的替代方案。该框架将智能视为人与智能体网络共生的社会现象,主张通过制度规则协调多方认知而非追求孤立机器。文中对比传统聚焦更大模型控制的 AGI 路径,将研发与监管扩展至社会系统架构。

  3. IT之家61

    OpenAI 发布 GPT-6 系列模型使用指南,讲解选模型与提示词优化

    OpenAI 发布 GPT-6 系列模型使用指南,介绍如何选择模型、优化提示词以及管理长时间运行的任务。指南建议按工作负载选型,GPT-6 Astra 面向最高难度推理,GPT-6.1 Sol 面向复杂编程、研究和计算机使用任务,GPT-6 Luna 面向大规模重复性工作,日常问答不必追求最高推理强度。提示词方面,OpenAI 建议先说清目标、受众、上下文、限制条件和完成标准。

10月2日周五
  1. IT之家24

    极狐阿尔法 T5 汽车迎 OTA:部分车型新增苹果 CarPlay / 华为 HiCar 手机互联、端到端 4.0 辅助驾驶模型

    极狐阿尔法 T5 推送 OTA 升级,元境版车型新增苹果 CarPlay 与华为 HiCar 手机互联,并搭载基于海量真实路况数据训练的端到端 4.0 辅助驾驶模型。该模型提升了窄路通行、泊车及变道场景下的决策能力,但升级后辅助驾驶设置将恢复初始状态,需车主重新配置。

  2. 字节 Seed · 基础模型博客48

    字节 Seed2.1 模型发布

    字节 Seed2.1 模型发布,在 KINA、SuperGPQA 等知识基准及 SWE-Atlas、Terminal Bench 2.1 等代码与智能体任务中取得高分。该模型在 MathVision、MMMU-Pro 等多模态推理及 VideoMME 长视频理解测试中表现优异,展现了其在复杂场景下的综合能力。

  3. Kimi 研究博客81

    月之暗面(Kimi)发布开源思考模型 K2 Thinking

    月之暗面(Kimi)发布开源思考模型 K2 Thinking,作为思考智能体在 HLE(44.9% with tools)、BrowseComp(60.2%)等基准达到 SOTA,支持 200–300 步连续工具调用。模型已在 kimi.ai 聊天模式上线并开放 API,原生 INT4 推理带来约 2 倍生成加速。这是其通过扩展思考 token 与工具步骤进行测试时缩放的最新尝试。

    推荐理由:Kimi K2 Thinking 以开源权重实现 HLE 44.9% 等得分,读者可据此对比闭源前沿模型思考与代理能力差距及适用场景。

  4. DeepSeek 官方动态79

    DeepSeek 发布实验版 V3.2-Exp,引入稀疏注意力并下调 API 价格

    DeepSeek 发布实验性模型 DeepSeek-V3.2-Exp,在 V3.1-Terminus 基础上引入 DeepSeek Sparse Attention 稀疏注意力机制,针对长文本训练和推理效率做优化,在公开评测集上表现与 V3.1-Terminus 基本持平。

    推荐理由:稀疏注意力在公开评测表现基本持平的前提下降低长文本推理成本,API 价格随之下降五成以上。

  5. DeepSeek 官方动态81

    DeepSeek 发布 V3.2 与 V3.2-Speciale 正式版,V3.2 强化 Agent 与思考推理

    DeepSeek 同时发布 DeepSeek-V3.2 和 DeepSeek-V3.2-Speciale 两个正式版模型,网页端、App 和 API 已由 DeepSeek-V3.2-Exp 升级为正式版 V3.2。

    推荐理由:DeepSeek 同时发布 V3.2 与 V3.2-Speciale 两个正式版模型,并把思考模式接入工具调用,读者可据此比较开源与闭源模型在 Agent 评测上的差距。

  6. NVIDIA Blog63

    NVIDIA GPU 如何加速 OpenAI 的 GPT-6 Astra Ultrafast

    GPT-6 Astra Ultrafast 现已在 OpenAI API 及符合条件的 ChatGPT Work 与 Codex 用户中可用,基于 NVIDIA Blackwell GPU 推理优化,token 生成速度较 Astra Standard 模式最高提升 8 倍。

    推荐理由:GPT-6 Astra Ultrafast 在 Blackwell 上比标准模式快最多8倍,可缩短编码智能体在工具调用间的等待,提升交互流畅度。

  7. TechCrunch · AI68

    Google认为SpaceX Starship需发射1800次,太空数据中心才能起步

    Google发布同行评审白皮书称,SpaceX Starship需发射约1800次(未来10年每年180次)才能让轨道数据中心具备成本效益。Google轨道计算卫星原型今日搭载SpaceX火箭发射,将验证其TPU在太空运行,并以15分钟脉冲方式启动。该计划属Project Suncatcher,Google设想由81颗卫星近距编队并行处理,白皮书还测算芯片辐射误差率低可支持推理负载。

10月1日周四
9月30日周三
  1. 量子位67

    OpenAI 研究员 Noam Brown 最新访谈:数学只是多智能体时代的开胃菜

    OpenAI 研究员 Noam Brown 在最新访谈中分享了对多智能体系统与对齐风险的判断,回顾了万 Agent 协作解千禧年难题实验。他提到 OpenAI 用 10000 个 Agent 耗时 88 小时输出 1300 亿 token 解出难题,但称核心功劳在模型本身而非多智能体。访谈还探讨了递归自我改进加速、思维链监测下降等隐患,内容整理自 Dwarkesh Patel 播客。

  2. Testing Catalog78

    OpenAI 发布 GPT-6.1 Sol,价格仅为 Astra 的五分之一

    OpenAI 发布 GPT-6.1 Sol,以 Astra 五分之一输入输出 token 价格提供接近 GPT-6 Astra 的性能。该模型在 DeepSWE v1.1 等基准以更低成本匹配 Astra,已通过 API 以 gpt-6.1-sol 开放,定价每百万输入 token 2 美元、缓存输入 0.10 美元、输出 10 美元,并计划推出 Ultrafast 选项。

    推荐理由:GPT-6.1 Sol 以 Astra 五分之一价格实现接近性能,用户可对比它与前代及竞品在编码与办公任务上的成本差异。

  3. Hacker News · AI 热帖61

    研究团体提出 AI 生成数学成果的负责任发布建议

    研究团体针对 AI 实验室在专有模型上测试数学问题且不公开细节的做法,提出了负责任发布 AI 生成数学成果的规范建议。建议要求实验室公开模型名、提示词、思维链、时间与成本,并将结果存入独立仓库,同时提供资金支援数学界理解。该倡议源于 OpenAI 曾宣布多项结果但未提供细节的调查反馈。

  4. AWS Machine Learning Blog83

    GPT-6.1 Sol 在 Amazon Bedrock 正式可用

    GPT-6.1 Sol 现已在 Amazon Bedrock 正式可用,为编码、计算机使用和专业工作负载提供更强推理能力。OpenAI 表示该模型在 DeepSWE v1.1 上性能匹配 GPT-6 Astra,但单任务成本约为其五分之一,且比 GPT-6 Sol 最佳成绩高 6.4 个百分点。

    推荐理由:GPT-6.1 Sol 在 Amazon Bedrock 正式可用,以约五分之一成本实现接近 GPT-6 Astra 的推理能力,降低智能体工作流成本。

9月28日周一
9月26日周六
9月25日周五
9月22日周二
  1. Testing Catalog38

    OpenAI 准备今日发布 GPT-6 Sol 和 Luna 模型

    OpenAI 产品负责人 Tibo Sottiaux 确认将于周二发布 GPT-6 Sol 和 Luna 模型。Sol 定位为日常主力,Luna 为轻量低成本选项,旨在替代昂贵且沉重的 Astra 模型。此次发布早于 9 月 29 日举行的 DevDay 2026 大会,被视为为后续硬件等重磅公告腾出空间的战略举措。

9月21日周一
9月17日周四
  1. Testing Catalog47

    TypeSafe AI 推出 Jev 模型,主打结构化 AI 决策

    TypeSafe AI 结束两年隐身期,推出首个 System One 模型 Jev 并开启早期访问。该模型通过并行评估返回带置信度的结构化决策,输入定价为每百万 token 0.042 美元,输出免费,端到端响应时间为 70 至 500 毫秒。创始人 Diogo Almeida 曾参与 ChatGPT 开发,Jev 旨在替代开放式文本生成,提供快速且类型安全的决策层。

9月16日周三

© 2026 SI·Hot · Super Intelligence Hot · 超级智能热点 · 网站数据均来源于网络公开资料,版权归来源方所有